Předzpracování zdrojových kódů pro účely detekce plagiátů

Abstract

Tato bakalářská práce se zabývá plagiátorstvím a softwarovým plagiátorstvím. Cílem je pochopit, co tyto pojmy znamenají a obecně se seznámit s jejich problematikou. Dalším krokem je navrhnout a implementovat aplikaci, která by předzpracovala zdrojové kódy programů. Výstupem bude tokenizovaný nebo n-gramový dokument, který se použije pro následnou detekci plagiátu. Aplikace bude pracovat se zdrojovými kódy v C# a kromě tokenizovaného výstupu bude mít navíc možnost tokenizovaný kód s druhými porovnat. Posledním krokem bude tuto aplikaci otestovat na vybrané kolekci dat. V tomto případě se jedná o projekty studentů VŠB a následně se provede vyhodnocení.

This work deals with plagiarism and plagiarism software. The objective is to understand what these terms mean and generally become familiar with this issue. The next step is to design and implement an application that would preprocess source codes of programs. The output will be tokenized or n-gram document, which is used for subsequent detection of plagiarism. The application will work with source code in C# and besides tokenized output will also have the opportunity tokenized code to compare with others. The last step will be to test this application on the selected data collection. In this case it is the student projects of VSB and then will be evaluation.